中本 光彦（Mitsuhiko Nakamoto）

プロフィール

1998年生まれ。東京大学 工学部在学中より深層学習の研究に従事し、2022年に同大学を卒業。現在はカリフォルニア大学バークレー校（UC Berkeley）のPhDプログラムに在籍し、Berkeley AI Research (BAIR) LabにてロボットAI・強化学習の研究に取り組む。Google DeepMindおよびToyota Research Instituteにてインターンとして最先端のロボット基盤モデルの研究開発に携わった経験を持つ。少ないデータでロボット基盤モデルを効率的に改善できる強化学習手法の構築を通じ、多様なタスク・環境に適用可能な汎用ロボットの社会実装を目指す。

主な実績・採択歴

• 2025年 CoRL「Best Paper Nomination」受賞

• NeurIPS・ICLR・ICML等トップ国際会議にて複数の論文を発表

研究題目

大規模ロボット基盤モデルの強化学習による自律的改善

研究キャッチコピー

ロボットが現場で自ら賢くなる時代へ。

研究ビジョン

少子高齢化と労働力不足が深刻化する日本では、多様な日常タスクをこなせる汎用型ロボット、いわゆる「フィジカルAI」への期待が急速に高まっています。近年、大規模データと計算資源を活用して学習されたロボット基盤モデルが登場したことで、幅広いタスクに対応するロボットの実現が現実味を帯びてきました。

しかし、これらの基盤モデルが事前学習した性能には限界があり、実際に社会へ導入するには、各ユーザーの環境に合わせた精度向上が不可欠です。その手段として強化学習が注目されているものの、実世界でのロボットのデータ収集コストは依然として非常に高く、汎用ロボットの現場展開を阻む大きなボトルネックとなっています。

本研究では、少ないデータでロボット基盤モデルを効率的に改善できる新たな強化学習手法の構築を目指します。ロボットアームによるマニピュレーションから、高次元かつ複雑なヒューマノイドの全身制御まで、多様なタスクおよび環境に適用可能な汎用フレームワークを実現します。これにより、ロボットが家庭などの現場で自律的に動作を改善していく基盤技術を確立し、汎用ロボットの社会実装を大きく前進させることを目指します。